Den ligner en lidt for tyk smartphone, men under det kompakte kabinet gemmer sig hardware, som mange bærbare computere i dag ville misunde.
Hvor kunstig intelligens indtil nu hovedsageligt har levet i skyen, skubber en ny type mini-computer regnekraften bogstaveligt talt ned i din jakkelomme. Intet datacenter, intet abonnement, bare en selvstændig enhed der kører sprogmodeller på dit skrivebord, i toget eller i en hotellobby.
Et AI-laboratorium der faktisk passer i hånden
Tiiny AI Pocket Lab, afsløret på CES 2026, gælder officielt som verdens mindste mini-pc der kan afvikle store sprogmodeller lokalt. Rekorden blev anerkendt af Guinness World Records, men det er især specifikationerne der vækker nysgerrighed.
Kabinettet måler 14,2 x 8 x 2,5 centimeter og vægten holder sig omkring 300 gram. Det svarer til en lidt tungere smartphone eller en kompakt powerbank. Enheden passer i en jakkelomme, i en håndtaske eller simpelthen i hånden, uden at du får følelsen af at slæbe rundt på en komplet pc.
Tiiny AI Pocket Lab kører sprogmodeller med over 120 milliarder parametre fuldstændig offline, uden forbindelse til skyen.
Ifølge producenten behandler systemet mere end 20 tokens per sekund, hvilket svarer til en respons der føles behagelig for de fleste tekstopgaver. Enheden retter sig ikke kun mod hobbyister, men også mod professionelle der ikke ønsker at koble deres AI-workflow til eksterne servere.
Hardware: lille kasse, seriøse specifikationer
I kernen kører Pocket Lab på en 12-kernet ARM-processor, koblet til en NPU (neural processing unit) der leverer 160 til 190 TOPS. Den slags regnekraft ser man normalt i avancerede AI-bærbare eller kompakte servere, ikke i en lommeformateret æske.
Særligt bemærkelsesværdigt er hukommelsen: 80 GB LPDDR5X. Det er rigeligt mere end hvad mange forbruger-bærbare i dag tilbyder. Det generøse RAM-budget gør det muligt at indlæse store sprogmodeller i hukommelsen uden aggressiv komprimering eller tunge begrænsninger.
- Processor: 12-kernet ARM-cpu
- NPU: 160–190 TOPS til AI-beregninger
- Hukommelse: 80 GB LPDDR5X
- Brug: fuldstændig offline, uden skyafhængighed
- Format: 14,2 x 8 x 2,5 cm, cirka 300 gram
Pocket Lab understøtter en række open source-modeller, herunder Llama, Qwen, DeepSeek, Mistral, Phi og GPT-OSS. De kan indlæses via installation med ét klik, hvorefter OTA-opdateringer (Over-the-Air) henter nye versioner og optimeringer uden manuelle indgreb.
TurboSparse og PowerInfer: smartere beregning med mindre energi
Ud over den rå kraft spiller to egne teknologier fra Tiiny AI en rolle: TurboSparse og PowerInfer. Navnene lyder marketingagtige, men de henviser til konkrete optimeringer i beregningspipelines.
TurboSparse fokuserer på de “tomme” eller mindre aktive dele af neurale netværk. I stedet for at aktivere hver neuron fuldt ud ved hvert token, detekterer systemet hvor aktivitet faktisk er nødvendig. Dermed spilder chippen mindre energi og den effektive hastighed stiger.
PowerInfer fordeler regnebyrden mellem cpu og npu. Nogle operationer kører bedre på den generelle processor, andre fungerer mere effektivt på den specialiserede AI-kerne. Scheduleren forsøger at finde den rette balance, hvilket især ved længere sessioner mærkes tydeligt i varmeudvikling og batteriforbrug.
TurboSparse begrænser overflødig neuronaktivitet, mens PowerInfer søger balancen mellem cpu- og npu-regnekraft.
Hvorfor en lommeformat AI-computer er praktisk
Den største fordel ved Pocket Lab ligger ikke kun i det tekniske kunststykke, men i måden brugen ændrer sig på. Fordi enheden næppe fylder noget, glider den ind i situationer hvor en bærbar eller stationær computer giver for meget besvær.
På en kaffebar kan en redaktør bruge en lokal model til at omdanne rå notater til et første udkast, uden wifi. Under en forretningsrejse kan en konsulent gennemregne scenarier og sammenfatte rapporter mens flytilstand er aktiveret. Hjemme kan en person med følsomme dokumenter bruge AI uden at fortrolige data forlader via internettet.
Dermed undgår brugeren to klassiske kompromiser ved AI: du behøver ikke vælge mellem mobilitet og regnekraft, og du behøver ikke dele personlige eller virksomhedsdata med en ekstern part.
Lokal AI forhindrer at rå data sendes til servere i ukendte jurisdiktioner, noget stadig flere virksomheder er betænkelige ved.
Ingen træning nødvendig for komplekse modeller
Tiiny AI positionerer enheden udtrykkeligt som brugervenlig. Grænsefladen forbliver simpelt opbygget, med klare kommandoer og visuel feedback der guider nye brugere trin for trin. Dermed retter Pocket Lab sig ikke kun mod udviklere eller data scientists.
En lærer kan for eksempel bruge systemet til at generere skræddersyede opgaver, uden at fordybe sig i modelparametre. En lille iværksætter kan få udarbejdet standardmails, produkttekster eller interne vejledninger uden at skulle sætte sig ind i cloud-platforme. Ved at holde tærsklen lav forsøger Tiiny AI at skabe en kategori “AI-enheder” der eksisterer ved siden af smartphones og bærbare.
Hvad kan du bruge den til i praksis?
Kombinationen af store modeller og lokal behandling gør enheden anvendelig til forskellige opgaver. Med udgangspunkt i nogle scenarier bliver rollen af sådan en lomme-pc hurtigt tydelig.
| Anvendelse | Hvad enheden gør |
|---|---|
| Tekstproduktion | Genererer artikler, blogs, e-mails og rapporter uden internetforbindelse. |
| Kodeassistance | Kodeforslag, fejlanalyse og refaktorering for udviklere på stedet. |
| Sammenfatning | Komprimerer lange dokumenter eller referater lokalt til overskuelige kernepunkter. |
| Prototyping | Tester hurtigt AI-funktioner til apps, uden at skulle etablere et komplet servermiljø. |
| Undervisning og træning | Genererer interaktiv forklaring og øvelsesmateriale, også i klasseværelser med svag wifi. |
For dansksprogede brugere spiller endnu en faktor ind: open source-modeller kan relativt nemt finjusteres til specifik fagterminologi eller dialekt, og det direkte på lommeenheden selv. Tænk på juridisk terminologi, medicinske journalformater eller tekniske vejledninger.
Fordele og risici ved AI i lommen
Brugen af en bærbar AI-computer har nogle klare fordele. Data forbliver lokale, responstiden er forudsigelig og enheden fungerer også i situationer hvor der mangler dækning. Dertil kommer at du ikke er bundet af månedlige abonnementsomkostninger for hver bruger, hvilket mærkbart gør en forskel for små virksomheder.
Samtidig opstår nye spørgsmål omkring sikkerhed og politik. Hvis en medarbejder har et kraftfuldt AI-system i tasken, kan vedkommende behandle følsomme dokumenter lokalt uden for IT-afdelingens kontrol. Grænsen mellem personlig og professionel hardware udviskes yderligere.
Organisationer bliver nødt til at lave aftaler: hvilke data må køre på sådanne enheder, hvordan håndteres tab eller tyveri, og hvem administrerer modelopdateringer? Et lokalt AI-system sænker tærsklen, men kræver også tydelige spilleregler.
Hvad dette kan betyde for næste generation af enheder
Tiiny AI Pocket Lab viser at AI-hardware løsriver sig fra den klassiske model “tynd klient – tyk sky”. Når lommeformat-computere håndterer store modeller effektivt, opstår der plads til en ny produktkategori mellem smartphone og bærbar.
Producenter af telefoner og ultrabøger vil sandsynligvis spørge sig selv hvor meget AI-regnekraft der kan passe i deres næste generation enheder. Samtidig kan fremkomsten af open source-modeller der kører lokalt, svække afhængigheden af få store cloud-aktører. Det giver udviklere større frihed til at bygge specifikke anvendelser uden vendor lock-in.
For dem der allerede arbejder med sprogmodeller i dag, kan en pocket-pc fungere som bærbart testlaboratorium. En udvikler kan på stedet køre prototyper, afprøve prompt-strategier eller sende små datasæt gennem modeller, uden straks at skulle reservere en klynge eller cloud-instans. Den der lige er startet med AI, får en håndgribelig enhed i stedet for et abstrakt dashboard i browseren.
Således skubbes spørgsmålet frem om hvordan AI tager form i hverdagen: som usynlig cloud-service i baggrunden, eller som et konkret objekt du lægger på bordet, tænder og bevidst bruger. Pocket Lab vælger tydeligt det sidste scenarie, og sætter dermed en retning som flere hardwareproducenter kan tilslutte sig.
